Liaojiajia-Blog

json格式数据划分训练集、验证集split_train_val.py执行python split_train_val.py --img_path xxx --json_file *.json --output xxx即可。#!/usr/bin/env python# -*- coding:utf-8 -*-# 将一个文件夹下图片按比例分在两个文件夹下import osimport randomfrom shutil import copy2import jsonimport argpa

import jsonimport argparse# json中bbox的格式是top_x, top_y, w, h # 转成Yolo的格式是cen_x, cen_y, w, h的相对位置def convert(img_size, box): dw = 1. / (img_size[0]) dh = 1. / (img_size[1]) x = box[0] + box[2] / 2.0 y = box[1] + box[3] / 2.0 w = b

【画框脚本】YOLO和COCO格式画框1. yolo格式画框2. COCO格式画框1. yolo格式画框import cv2import osimport colorsysimport randomfrom tqdm import tqdmdef get_n_hls_colors(num): hls_colors = [] i = 0 step = 360.0 / num while i < 360: h = i s = 90 + random.rand

【转换格式脚本】1. yolo2coco.py2. visdrone2coco.py3. 把yolov5 detect的输出转成coco4. visdrone-MOT转coco1. yolo2coco.pyimport impimport jsonimport cv2import osbnd_id_start = 0times = 0json_dict = { "images" : [], "type" : "instances", "ann

用Python对视频进行帧切割和帧合并一、视频帧切割二、视频帧合并一、视频帧切割cut.pyimport cv2import numpy as np def video2frame(videos_path,frames_save_path,time_interval): ''' :param videos_path: 视频的存放路径 :param frames_save_path: 视频切分成帧之后图片的保存路径 :param time_interval: 保存间隔 :

在yolov5的项目中，添加一些代码就可以实现特征图可视化。在项目/home/jjliao/code/yolov5-feature/utils/utils.py中添加如下的代码：outDir是你的特征图可视化目录outDir = "/home/jjliao/code/yolov5-feature/output/feature_new/" def visualize_feature(features, imgid, i, num, sigmod=False): outDir = "/ho

import picklef=open(r'C:\Users\jiajia520\Desktop\R2CNN_20180922_DOTA_v28_detections_h.pkl', "rb")#文件所在路径inf=pickle.load(f, encoding='latin1')#读取pkl内容print (inf)f.close()

1. json–>>txt–>>画框https://blog.youkuaiyun.com/mary_0830/article/details/103212958在这里插入代码片2. xml–>>画框https://blog.youkuaiyun.com/mary_0830/article/details/108776419（第五点）import osimport os.pathimport xml.etree.cElementTree as ETimport cv2def

python操作处理数据一、 批量读取文件名并保存至txt1. 批量读取文件名，并将读取的文件名保存到指定路径下的txt中（带.*** 后缀）2. 只读取文件名，并将读取的文件名保存到指定路径下的txt中（不带文件后缀）3. 在txt文件中，在读取的文件名前批量添加 前缀/ 后缀二、根据txt文件中的id名，在另一个文件夹下提取出相应的文件三、 计算函数运行时间一、 批量读取文件名并保存至txt参考博客： Python批量读取文件名并保存至txt1. 批量读取文件名，并将读取的文件名保存到指定路径下的

YOLOv5代码详解 (第三部分）3. yolov5l.yaml3.1 yaml介绍3.2 parameters3.3 anchors3.4 backbone3.5 head3. yolov5l.yaml这部分属于代码中的配置文件。该代码是xxxx.yaml使用配置文件，通过./models/yolo.py解析文件加了一个输入构成的网络模块。与config设置的网络不同，不需要进行叠加，只需要在配置文件中对number进行修改即可。特别说明是2020.7.4更新的那一版。3.1 yaml介绍Y

YOLOv5代码详解 (第四部分）4. common.py4.1 卷积层4.1.1 深度分离卷积层4.1.1 标准卷积层4.2 标准Bottleneck4.3 BottleneckCSP4.4 SPP4.5 Flatten4.6 Focus4.7 Concat4. common.py该部分是backbone各个模块参数讲解。4.1 卷积层4.1.1 深度分离卷积层深度分离(DepthWise)卷积层，是GCONV的极端情况，分组数量等于输入通道数量，即每个通道作为一个小组分别进行卷积，结果联结作

YOLOv5代码详解 (第二部分）2. test.py2.1 设置超参数2.2 设置任务（验证，测试，学习）2.3 测试函数2.3.1 初始化模型2. test.py该部分主要用于运行train.py时，计算每个epoch的mAP。PS，与train.py相似的部分就不再阐述。2.1 设置超参数权重，数据，batch size，图像尺寸，使用哪张显卡，数据增强，计算mAP。if __name__ == '__main__': parser = argparse.ArgumentParse

1. train.py1.1 使用nvidia的apex接口计算混合精度训练mixed_precision = Truetry: # Mixed precision training https://github.com/NVIDIA/apex from apex import ampexcept: print('Apex recommended for faster mixed precision training: https://github.com/NVIDIA/apex'

复现SCRDet网络遇到的问题及解决方案问题一、OutOfRangeError (see above for traceback)可能的原因有：数据为空（出问题）或者局部变量没有初始化，初始化局部变量。一般这种问题都不是代码的问题，请先检查训练数据：\1. 训练数据中图像文件和标注文件数量是否相同\2. 训练数据中是否有损坏的图片(数量多的话可以用PIL写个简单的加载方法去判断)\3...

第一次跑模型的代码，就需要首先跑通作者原来的代码，再修改成自己的数据集进行训练。所以！第一步！根据作者的Readme跑代码的时候，就遇到了下面的报错。查了百度也没有找到问题！报错：torch.jit.frontend.NotSupportedError: slicing multiple dimensions at the same time isn't supported yetpro...